随着智能制造技术的不断进步,机器人在制造业生产中发挥着越来越重要的作用。分拣机器人是工业机器人中的一类,它能代替工人对流水线上的工件进行分拣。传统分拣机器人采用示教或离线编程来规划抓取方向和运动路径,虽然能完成分拣作业,但该类型分拣机器人对工件的摆放位置和尺寸要求较严格,如果待分拣工件的摆放位置和尺寸发生变化,容易导致机器人抓取工件失败。基于机器视觉的分拣机器人能对工件进行实时检测和分拣,具有灵活性高、分拣稳定等优势,弥补了传统分拣机器人的不足。根据国内的制造业市场需求,研究基于机器视觉的工件分拣系统,具有一定的应用价值和现实意义。本文针对传送带上多工件分拣需求,提出了一套视觉定位与分拣方案,并搭建了由传送带单元、图像采集单元、图像处理单元和机器人分拣单元四个部分组成的实验平台,实现了多种类工件识别定位与分拣功能。本文的主要工作和研究内容包括以下几个方面:（1）设计并实现了一种基于视觉的工件分拣系统。对分拣系统的实际需求进行了较深入分析,根据功能及实际环境对系统硬件进行了选型,设计了基于视觉的工件分拣系统方案,采用工业相机实时获取传送带上的工件图像,通过视觉技术检测并定位出工件位置,然后经过工控机控制直角坐标型机器人实现抓取和摆放,从而实现实时的多工件分拣。（2）研究了视觉分拣系统的标定技术。分析了相机成像模型的相关理论,分别基于Matlab和Halcon进行相机标定实验,根据标定结果选用Halcon进行系统标定工作。由于透镜畸变导致系统实际的成像模型为畸变成像模型,本文通过Halcon的polynomial畸变模型实现了径向畸变和切向畸变的矫正。通过相机标定与手眼标定,确定了图像中目标物体位置与客观世界中目标物体位置之间的转换关系。（3）研究并实现了视觉分拣系统中的目标定位。介绍有关图像预处理的技术,对采集的原始工件图像进行图像预处理。通过基于阈值的图像分割方法对工件图像进行二值化,通过图像形态学处理方法消除二值化工件图像中的噪点和空洞。研究了模板匹配方法与理论,对比不同匹配方法的优缺点,根据实际的工件轮廓特征采用了基于形状的模板匹配方法和基于图像金字塔的分层搜索策略,对工件图像进行匹配定位。结合标定流程得到的相机坐标系与机器人坐标系间的转换关系,得到工件在机器人坐标系中的相对坐标信息。（4）针对传统运动定位方法运算繁琐、耗时多,设计了一种面向传送带速度的运动工件定位方法,通过轮式编码器获取的传送带速度计算出传送带上工件的偏移量,将其与静态工件定位得到的坐标信息相加,得到机器人待抓取点的位置坐标。本文设计的分拣系统采用机器视觉技术对传送带上的多种类工件进行识别分拣,经多次反复实验证明该工件分拣系统具有实时性强和分拣准确度高等优点,能应用于工业生产线上的工件分拣任务。